基于粗标签约束的细粒度分类.docVIP

基于粗标签约束的细粒度分类 导语：?细粒度分类识别的对象是类别相似度很高的物种。以鸟分类为例，不同的类别不仅在形态上具有极强的相似，在生物分类学上的关系也非常密切，往往有着相同的目、科。 摘要：细粒度分类识别的对象是类别相似度很高的物种。以鸟分类为例，不同的类别不仅在形态上具有极强的相似，在生物分类学上的关系也非常密切，往往有着相同的目、科。目前多数分类方法使用的监督信息是一个个独立的类别标签，这种形式的类别标签不能表达不同类别在生物分类学上的相关性。相反，本文考虑这种相关性，并想使用这一信息来改善细粒度分类性能。为此，本文创新性地提出了一种新的粗标签表示，和相应的代价函数。粗标签表示的思想来自多标签学习中的类别表示，这种粗标签表示可以很好地表达不同类别在生物分类学上的结构信息，且粗标签仅仅从类别名称的后缀名称中获得，或者像CIFAR-100数据集预先给出。我们提出一种新的代价函数，进而可以充分利用这种粗标签监督信息改善细粒度分类。我们的方法可以推广到任何微调任务;它不会增加原始模型的大小，也不会增加额外的训练时间。我们进行了大量的实验，表明使用粗标签约束可以改进分类准确率。 关键词：图像识别；细粒度分类；粗标签约束； 1.引言 细粒度分类旨在区分非常相似的类别，例如鸟[1,2]、狗[3]